Google DeepMind heeft AlphaGenome 2 uitgebracht, een nieuw AI-model voor genomicsonderzoek dat voorspelt hoe DNA-varianten specifieke menselijke celtypen beïnvloeden – en bijna twee keer zoveel relevante genveranderingen vindt als zijn voorganger, volgens berichtgeving in The Decoder over de aankondiging van het bedrijf.
De release pakt een van de hardnekkige problemen van de genomica aan: elke cel in het menselijk lichaam draagt dezelfde DNA-blauwdruk, maar een hartspiercel leest dat DNA anders dan een immuuncel. Het voorspellen van deze celspecifieke verschillen – en het vaststellen welke van de miljoenen mogelijke DNA-letterveranderingen daadwerkelijk ziekte veroorzaken – is een van de grootste onopgeloste uitdagingen op dit gebied gebleven. De aankondiging van Google DeepMind, die donderdag uitgebreid werd besproken, positioneert AlphaGenome 2 als een directe aanval op dat probleem, en Sundar Pichai benadrukte de formulering dat "elke cel in ons lichaam dezelfde DNA-blauwdruk deelt" in de door Benzinga gerapporteerde lanceringsverslaggeving.
Van bulkvoorspellingen naar nauwkeurigheid van het celtype
Het oorspronkelijke AlphaGenome nam een DNA-sequentie van een miljoen letters lang en voorspelde de eigenschappen ervan in duizenden experimenten die vele weefsels tegelijk besloegen. Volgens Google DeepMind verspreidde deze parallelle aanpak de capaciteit van het model te klein, waardoor het moeilijk werd om subtiele verschillen tussen nauw verwante celtypen vast te leggen.
AlphaGenome 2 werkt anders. Het is een conditioneel model: naast de DNA-sequentie neemt het een specifieke biologische toestand als extra input en berekent de effecten voor dat ene celtype. Het systeem is getraind op meer dan 107 miljoen individuele celprofielen verspreid over 68 weefsels bij mensen en muizen.
Het model gaat verder dan het voorspellen van hoe sterk een gen tot expressie komt. Het berekent ook hoe DNA fysiek in de kern is verpakt – en laat zien welke delen van het genoom toegankelijk zijn – en voorspelt nu DNA-methylatie, de chemische tags die fungeren als moleculaire schakelaars om genen uit te schakelen of te activeren.
Benchmarkresultaten: een grote sprong in de detectie van causale varianten
Op de TenK10K-benchmarkdataset die 28 primaire immuunceltypen omvat, identificeerde AlphaGenome 2 ongeveer 30 procent van de causale varianten en voorspelde correct of een variant een gen in 43 procent van de gevallen op- of neerwaarts reguleert. Een verfijnde versie van de originele AlphaGenome slaagde erin slechts 16 procent en 23 procent van dezelfde taken uit te voeren, volgens de cijfers van Google DeepMind gerapporteerd door The Decoder.
Die verbetering is van belang omdat genoombrede associatiestudies (GWAS) ziektesignalen slechts grofweg binnen grote stukken DNA kunnen lokaliseren. Betere voorspelling van causale varianten vertelt onderzoekers welke van de vele varianten in een geassocieerde regio daadwerkelijk experimentele follow-up waard zijn: het verschil tussen een voorsprong en een doodlopende weg.
Het model kan ook ontbrekende gegevens uit één enkele meting afleiden. Als onderzoekers alleen de genactiviteit van een cel meten, biedt AlphaGenome 2 voorspellingen voor aanvullende eigenschappen, zoals hoe strak specifieke DNA-stukken zijn verpakt. Dat helpt laboratoria te beslissen welke natte laboratoriumexperimenten de moeite waard zijn om vervolgens uit te voeren, en een belangrijk architectonisch voordeel is het aanpassingsvermogen: onderzoekers kunnen genactiviteitsgegevens van slechts enkele tientallen cellen invoeren, en het model berekent effecten voor voorheen onzichtbare celtoestanden – vaak beter dan gespecialiseerde modellen die rechtstreeks op die gegevens zijn getraind, aldus DeepMind.
Ziektemechanismen computationeel gereproduceerd
Twee gedemonstreerde cases laten zien wat het model kan doen zonder een laboratoriumbank aan te raken. Door puur computationeel te werken, reproduceerde AlphaGenome 2 een mechanisme voor inflammatoire darmziekten dat eerder in een onderzoek was geïdentificeerd: het isoleerde de exacte DNA-variant in een regulerende schakelaar ver van het gen dat ETS2 selectief overactiveert in darmmacrofagen, terwijl andere celtypen en genen grotendeels onaangetast bleven.
In een afzonderlijke test, toegepast op gegevens uit een COVID-19-mRNA-vaccinonderzoek, maakte het model op betrouwbare wijze onderscheid tussen door vaccins geactiveerde T-cellen van rustende T-cellen en toonde aan dat een genvariant die verband houdt met ernstige COVID-19-gevallen de celactiviteit voornamelijk in de geactiveerde toestand verstoort – een effect dat onzichtbaar zou zijn gebleven in rustende cellen.
Beschikbaarheid en wat daarna komt
AlphaGenome 2 is nu beschikbaar voor niet-commercieel onderzoek via een API, terwijl commerciële gebruikers toegang krijgen via een gesloten preview. Google DeepMind maakt expliciet dat het systeem niet is goedgekeurd voor klinische diagnostiek – het is een onderzoeksinstrument, geen medisch hulpmiddel.
DeepMind heeft al voorspellingen gedaan voor honderden cel- en weefselaandoeningen, deels ter ondersteuning van AI-gestuurde medicijnontwikkeling, en het bedrijf zegt dat het van plan is speciale AlphaGenome 2-functies uit te rollen op zijn agentische ontwikkelingsplatform Google Antigravity, waar het model zal worden gecombineerd met tools zoals Gemini 4 voor geautomatiseerde onderzoeksworkflows.
De vrijlating komt terecht in een snel verhittend AI-voor-biologieveld. DeepMinds eigen AlphaFold-lijn reset de structurele biologie, en rivalen haasten zich om grote modellen toe te passen op de ontdekking van medicijnen. Wat AlphaGenome 2 onderscheidt is de resolutie: door het celtype te conditioneren, verplaatst het de interpretatie van varianten van gemiddelden op populatieniveau naar de specifieke cellulaire context waarin de ziekte feitelijk opereert. Als de benchmarkwinsten standhouden bij onafhankelijk gebruik, zou het model de weg van genetische associatie naar mechanistisch begrip kunnen verkorten – de duurste stap in de moderne medicijnontwikkeling.
Blijf AI een stap voorAI verandert de ontdekking van geneesmiddelen, genomica en biotechnologie sneller dan de meeste berichtgeving kan bijhouden. Voor het laatste AI-nieuws, onderzoeksanalyses en de nieuwste AI-ontwikkelingen volgt AI Buzz Wire elke doorbraak die er toe doet.
Lees meer AI-nieuws →
